fa کاربردهای پیشرفته‌ی هوش مصنوعی در زیست‌فناوری گیاهی: بازآفرینی ویرایش ژن، ارتقای تاب‌آوری تنش و توسعه‌ی سامانه‌های به‌نژادی پیش‌بینانه تخصصي Special پژوهشي Research <span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="line-height:107%"><span style="font-family:Calibri,sans-serif"><span lang="AR-SA" style="font-size:12.0pt"><span style="line-height:107%"><span b="" nazanin="" style="font-family:">هوش مصنوعی طی سال‌های اخیر به یکی از نیروهای تحول‌آفرین در زیست&shy;فناوری گیاهی تبدیل شده و دامنه‌ای گسترده از تحلیل داده‌های اُمیکس تا طراحی ژنوم، به‌نژادی پیش‌بینانه و کشاورزی هوشمند را در بر می‌گیرد. افزایش حجم و تنوع داده‌های زیستی، نیاز به مدل‌هایی را ایجاد کرده که قادر به شناسایی الگوهای پیچیده، تحلیل روابط غیرخطی و پیش‌بینی دقیق رفتار گیاه در شرایط مختلف باشند. در این مقاله &shy;ی مروری، نقش مدل‌های یادگیری ماشین و یادگیری عمیق در تحلیل ژنوم، ترنسکریپتوم، پروتئوم و متابولوم بررسی شده و کاربرد هوش مصنوعی در افزایش دقت و کارایی سیستم‌های ویرایش ژن، به‌ویژه کریسپر، تشریح می‌شود. همچنین پیشرفت‌های اخیر در تعیین فنوتیپ دیجیتال، بینایی ماشین و سامانه‌های خودکار تشخیص تنش‌های زیستی و غیرزیستی مرور شده است. به‌نژادی پیش‌بینانه و استفاده از مدل‌های چندحالته برای پیش‌بینی پاسخ ژنوتیپ</span></span></span><span lang="AR-SA" style="font-size:12.0pt"><span style="line-height:107%"><span new="" roman="" style="font-family:" times="">&times;</span></span></span><span lang="AR-SA" style="font-size:12.0pt"><span style="line-height:107%"><span b="" nazanin="" style="font-family:">محیط، همتای دیجیتال گیاهی، مدل‌سازی شبکه‌های ژنی و متابولیکی، و ادغام هوش مصنوعی</span></span></span> <span lang="AR-SA" style="font-size:12.0pt"><span style="line-height:107%"><span b="" nazanin="" style="font-family:">با زیست‌مهندسی از دیگر محورهای کلیدی این مقاله هستند. در کنار این فرصت‌ها، چالش‌هایی همچون کیفیت داده، تفسیرپذیری مدل‌ها، سوگیری داده‌ای، ملاحظات اخلاقی و مسائل امنیت زیستی نیز مورد بحث قرار گرفته است. در نهایت، نوآوری‌ها و مسیرهای آینده شامل طراحی ژنوم‌های جدید، کشاورزی رباتیک، هوشمندسازی فرآیندهای اصلاح نباتات و توسعه&shy;ی سامانه‌های یکپارچه&shy;ی پیش‌بینی و مدیریت گیاه مطرح می‌شود. این مروری جامع نشان می‌دهد که ادغام هوش مصنوعی با زیست&shy;فناوری گیاهی، مسیر تحول در طراحی گیاهان تاب‌آور، پرعملکرد و سازگار با شرایط اقلیمی آینده را هموار کرده است</span></span></span><span dir="LTR" style="line-height:107%"><span new="" roman="" style="font-family:" times="">.</span></span></span></span></span></span></span> <span style="font-size:11pt"><span style="line-height:107%"><span style="font-family:Calibri,sans-serif"><span new="" roman="" style="font-family:" times="">Artificial intelligence (AI) has rapidly emerged as a transformative force in plant biotechnology, reshaping a wide range of applications, from multi-omics data analysis to genome design, predictive breeding, and smart agriculture. The explosive growth of biological data has created an urgent need for models capable of uncovering hidden patterns, deciphering nonlinear relationships, and accurately predicting plant behavior under diverse environmental conditions. This review synthesizes recent advances in machine learning and deep learning for genomic, transcriptomic, proteomic, and metabolomic analysis. It highlights the expanding role of AI in enhancing the precision and efficiency of gene-editing systems, particularly CRISPR-based technologies. We further discuss breakthroughs in digital phenotyping, machine vision, and automated detection of biotic and abiotic stresses. Key developments in predictive breeding, multi-modal genotype&ndash;environment modeling, plant Digital Twins, and AI-driven systems biology&mdash;including the modeling of gene regulatory and metabolic networks&mdash;are examined in depth. Alongside these opportunities, challenges such as data quality issues, model interpretability, dataset bias, ethical considerations, and biosecurity concerns are critically evaluated. Finally, we outline future directions featuring computational genome design, robotic agriculture, autonomous breeding workflows, and fully integrated AI-powered plant management systems. Collectively, this review demonstrates how the convergence of AI and plant biotechnology is paving the way for the development of resilient, high-yielding, and climate-adaptive crops tailored to the demands of future agriculture.</span></span></span></span> هوش مصنوعی, زیست‌فناوری گیاهی, ویرایش ژن کریسپر, تعیین فنوتیپ دیجیتال, به‌نژادی پیش‌بینانه Artificial Intelligence, Plant Biotechnology, CRISPR Gene Editing, Digital Phenotyping, Predictive Breeding 13 31 http://injbr.com/browse.php?a_code=A-10-25-1&slc_lang=fa&sid=1 Mojtaba Kordrostami مجتبی کردرستمی 100319475328460051 100319475328460051 No Nuclear Agriculture Research School, Nuclear Science and Technology Research Institute (NSTRI), Karaj, Iran پژوهشکده کشاورزی هسته‌ای، پژوهشگاه علوم و فنون هسته‌ای، کرج، ایران Ali Akbar Ghasemi-Soloklui علی اکبر قاسمس سلوکلوئی 100319475328460052 100319475328460052 No Nuclear Agriculture Research School, Nuclear Science and Technology Research Institute (NSTRI), Karaj, Iran پژوهشکده کشاورزی هسته‌ای، پژوهشگاه علوم و فنون هسته‌ای، کرج، ایران Saeed Moori سعید موری 100319475328460053 100319475328460053 No Nuclear Agriculture Research School, Nuclear Science and Technology Research Institute (NSTRI), Karaj, Iran پژوهشکده کشاورزی هسته‌ای، پژوهشگاه علوم و فنون هسته‌ای، کرج، ایران Mehdi Rahimi مهدی رحیمی me.rahimi@kgut.ac.ir 100319475328460054 100319475328460054 Yes Department of Biotechnology, Institute of Science and High Technology and Environmental Sciences, Graduate University of Advanced Technology, Kerman, Iran گروه بیوتکنولوژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران.